算法统计新论文：对称分区作为Kolmogorov模型
论文AI 评分 55/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Romie Banerjee提交论文，将对称分区引入算法统计，用群作用的轨道分区解释数据。伽罗瓦连接为每个群赋予对称分区格、规范证书与代价及假设代数。导出的结构函数与对称精妙度衡量数据的对称正则性。全对称群下分区恢复所有Kolmogorov模型，廉价分区精确恢复Vereshchagin强模型。GL(n,2)下单元为线性齐次集，线性对称结构函数处于充分线与平凡界之间，存在简单结构对线性对称不可见的随机正规串。还给出置换群坐标及极大间隙定理。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载对称分区与假设代数
算法统计用包含目标串的有限集解释该串，Kolmogorov结构函数记录各复杂度层级的最小模型。Vereshchagin强模型可由总算法从数据计算得出，本质上是简单分区的单元。该文将二元串的分区视为假设，包含目标串的单元视为模型，在群对串作用的轨道分区（即对称分区）上发展算法统计。子群与分区的伽罗瓦连接为每个环境群赋予对称分区格，并配备规范证书、规范代价及假设代数。由此导出的结构函数与对称精妙度可衡量目标串正则性中属于对称的部分。
全对称群与线性对称群
在全对称群下，所有分区均对称，其单元恢复全部Kolmogorov模型，廉价分区的单元精确恢复强模型，且正规串与奇异串可由对称性刻画。对于GL(n,2)，单元恰好是线性齐次集，线性对称构成受限模型类。对非零串，线性对称结构函数位于充分线与平凡界构成的带状区域内，且两端均可达到：存在简单结构对线性对称不可见的随机正规串。
置换群坐标与极大间隙
该文为置换群空间建立坐标：每个群由Burnside环的元素（类型）与置换（位置）共同决定。限制移动通过Mackey公式细化分区。在此坐标下，全对称群的坍缩是关于位置的陈述，线性假设在至多n^2比特内由其类型确定。极大间隙定理表明，任何小到足以搜索的对称假设空间，都小到会遗漏简单结构。
为什么值得看
为算法统计引入群论视角，揭示对称性与Kolmogorov模型及强模型的精确对应，并证明线性对称会遗漏简单结构。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。